我在使用Keras实现GAN模型时遇到了一个奇怪的问题。

在GAN中，我们需要先构建G和D，然后再添加一个新的Sequential模型（GAN）并依次添加G和D。

当我使用D.train_on_batch时，Keras似乎通过GAN模型反向传播到G，我得到了一个InvalidArgumentError: You must feed a value for placeholder tensor 'dense_input_1' with dtype float的错误。

如果我移除GAN模型（最后堆叠的G然后D的顺序模型），它会正确计算d_loss。

我的环境是：

• Ubuntu 16.04
• keras 1.2.2
• tensorflow-gpu 1.0.0
• keras配置：{ "backend": "tensorflow", "image_dim_ordering": "tf", "epsilon": 1e-07, "floatx": "float32" }

我知道很多人已经成功使用Keras实现了GAN，所以我想知道我哪里做错了。

代码部分保持不变

错误信息：

错误信息部分保持不变

回答：

首先，我建议你切换到函数式API模型。这类混合模型更容易通过函数式模型处理。

说实话，我不知道为什么你的解决方案不起作用，似乎当你将D模型连接到一个新输入时，它会变得“损坏”并与之连接。我找到解决这个问题的办法是定义层并在判别器和GAN模型中使用它们。以下是代码：

代码部分保持不变

这有帮助吗？